m3

m3 microobjetivos

• Conocer los conceptos fundamentales de la teoría de probabilidad para abor-

dar problemáticas de la misma.
• Identificar las características fundamentales de la Distribución normal de pro-
babilidad para el cálculo de probabilidades de variable continua.
• Utilizar la tabla de distribución normal estandarizada, para el cálculo de área
bajo la curva normal.
• Utilizar la distribución normal estandarizada para realizar cálculo de probabi-
lidades de variable continua.

m3 contenidos

En los módulos 1 y 2, desarrollados prece-

dentemente, usted ha visto el tratamiento y
la utilidad de las distribuciones de frecuen-
cias, además de su interpretación. Esa
información, sumada a las medidas resu-
men (centralización, posición y dispersión)
y su adecuado uso e interpretación le pro-
porcionan una variedad de herramientas
muy importantes para afrontar los análisis
básicos de cualquier colectivo de datos.

En este módulo se iniciará en el fascinante mundo de las probabilidades, ope-

rando con una de las distribuciones de probabilidad más usual: la Distribución
Normal de Probabilidades.
Antes de entrar a estudiar la Distribución Normal de Probabilidades, daremos una
pequeña introducción teórica sobre Probabilidades. Para esto, le presento las
siguientes definiciones:
• Probabilidad: en general, es la posibilidad de que pase u ocurra algo; es
decir, mide la confianza que el individuo tiene sobre la certeza de una propo-
sición determinada. Se expresa en fracciones decimales, cuyos valores se
encuentran entre 0 y 1.
• Experimento: es cualquier proceso que produce un resultado o una observa-
ción; los experimentos pueden ser determinísticos y aleatorios.
 Son determinísticos los experimentos que al repetirse en las mismas con-
diciones, conducen a los mismos resultados. Por ejemplo, si soltamos
una piedra, ésta se caerá.
 Son aleatorios los experimentos realizados en iguales condiciones que
producen resultados diferentes e impredecibles. Por ejemplo, si tiramos
un dado, no sabemos qué número saldrá en la cara superior.
• Espacio muestral: es el conjunto formado por todos los posibles resultados
de un experimento aleatorio; se simboliza con la letra E. Por ejemplo:

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag.38

 {1, 2, 3, 4, 5, 6}
Si lanzamos un dado, el espacio muestral E =
Si lanzamos dos monedas, el espacio muestral E = {(c, c ) (c, x ), ( x, c ), ( x, x )}
Suceso o Evento: es cualquier subconjunto del espacio muestral. Se simboliza
con letra mayúscula. Si en el ejemplo anterior interesan los resultados en los
cuales se obtiene cara en el primer lanzamiento, tendremos A = {(c, c ) (c, x ),}
Probabilidad de un suceso (enfoque clásico o a priori): si un suceso A, puede
ocurrir de “h” maneras entre un total de “n” posibilidades cada una de las cuales
tiene la misma oportunidad de ocurrir, entonces la probabilidad de que “A” ocurra,
h
se denota por P( A) y se define po r : P ( A) = C ontinuando con el ejemplo
n
anterior -lanzamiento de dos monedas-, la probabilidad de obtener cara en el
primer lanzamiento, denominando a A el evento de obtener cara en el primer lan-
zamiento, en este caso h = 2 y n = 4 (todos los probables resultados – ver espacio
2 1
muestral), luego P( A) = =
4 2
Distribuciones de probabilidad: es una función que asigna a cada suceso defi-
nido sobre la variable aleatoria, la probabilidad de que dicho suceso ocurra. Las
distribuciones de probabilidad se dan para variables discretas y continuas:
o Si una variable discreta X, puede tomar un conjunto discreto de valores: X1,
X2, X3, . . ., Xn, con probabilidad p1, p2, p3, …, pn, donde p1+ p2 + p3+ …+ pn
=1, entonces la función P(X) que tiene valores p1, p2, p3, …, pn para X = X1,
X2, X3, . . ., Xn se llama función de probabilidad o función de frecuencia de X.
(para más información, ver pág. 132 libro de Estadística de Murray)

Si una variable X puede tomar un conjunto continuo de valores, las distribuciones

de probabilidad asociadas, son modelos matemáticos que dan lugar a curvas de
ecuación y = p (x ) . En este caso, las probabilidades son áreas bajo la curva,
donde el área total bajo esa curva es 1 y el área entre X = a y X = b, da la proba-
bilidad de que X esté entre a y b.
Esta probabilidad se denota por P(a <X< b), a la ecuación y = p (x ) se le deno-
mina función de “densidad de probabilidad” o “distribución de probabilidad”.
Algunas distribuciones de probabilidad continuas, importantes en el análisis esta-
dístico de datos son:
 Normal o Gaussiana,
 t de Student,
 F de Snedecor,
 Chi cuadrada,
 Exponencial.

Considerando que la “Distribución Normal”, es una de las más importantes entre

las distribuciones continuas, la estudiaremos a continuación.

Distribución Normal de Probabilidad

Se llama Distribución Normal, a una de las distribuciones de probabilidad de
variable continua que con más frecuencia aparece en fenómenos reales y, como
ya se mencionó anteriormente, es una de las más importantes en la teoría moderna
de probabilidad. Varios matemáticos han contribuido a su desarrollo, entre los que
podemos contar al astrónomo – matemático del siglo XIX Karl Gauss (en honor
a su trabajo a esta distribución se le denomina también distribución gaussiana).
Su función de densidad tiene una forma acampanada y es simétrica alrededor de
una línea vertical imaginaria que pasa por la media ( µ ), como se observa en la
figura Nº 1.

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag. 39

Esta simetría significa que la curva es la misma si se recorren distancias iguales
a la derecha e izquierda de la media, las “colas” de la curva se van acercando
cada vez más al eje horizontal, sin tocarlo nunca, por mucho que la variable se
desplace a la derecha o a la izquierda.
Se dice que una variable aleatoria continua X sigue una distribución normal (de
parámetros μ y σ) si su función de densidad está dada por:
2
1  X −µ 
1 − 
2 σ 

f ( x) = e … (1) y se denota por X ~ N (μ, σ) - se lee X se distri-
σ 2π
buye normalmente con media µ (mu) y desviación típica σ (sigma).
El área total limitada por la curva (1) y el eje X es 1, de aquí que el área bajo la
curva entre dos ordenadas X = a y X = b, donde a < b, representa la probabilidad
de que X se encuentre entre a y b, y se denota por: P(a < X < b), cuya gráfica es
la siguiente:

Dependiendo de la media y de la desviación típica, existen infinitas curvas norma-

les, todas ellas equivalentes; sin embargo, la distribución con la que habitual-
mente se trabaja es la Distribución Normal Estandarizada o Típica, que tiene
media 0 y desviación típica 1. En este caso, se dice que la variable X se expresa
X −µ
en unidades de desviación z = , la ecuación (1) queda sustituida por forma
σ
1
1 − z2
“tipificada” f ( x) = e 2
… (2), en este caso se dice que “z” de distribuye
2π
normalmente con media 0 y varianza 1 y se denota por X ~ N (0, 1)

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag.40

Propiedades de la Distribución Normal:
• Es simétrica respecto de su media, μ;
• La moda y la mediana son ambas iguales a la media, μ;
• Los puntos de inflexión de la curva se dan para x = μ   −   σ y x = μ   +   σ .
• Todas las distribuciones normales tienen la misma forma general.
• La desviación típica σ controla la dispersión de la curva normal.
• Cuando nos alejamos de la media en cualquier dirección, la curva pasa de
descender rápidamente a descender suavemente.
• En una distribución normal:
o El 68 % de las observaciones se encuentra entre µ ± σ.
o El 95 % de las observaciones se encuentra entre µ ± 2 σ.
o El 99.7 % de las observaciones se encuentra entre µ ± 3 σ.

Área bajo la curva:

Considerando que las áreas bajo la curva que representan una distribución de
probabilidad, denotan las probabilidades, hemos visto anteriormente que si el
área total bajo una curva normal se considera igual a 1, la probabilidad de que la
variable aleatoria asuma un valor entre a y b, equivale al área situada debajo de
la curva y limitada a la derecha por la línea vertical X = a y a la izquierda por la
línea vertical X = b. Para calcular el área de referencia se requiere de cálculos
avanzados, pues se debe hallar la integral de la función de densidad de probabi-

lidad, es decir P(a< X <b) = .

Afortunadamente, para la distribución normal estandarizada, existe una tabla que

permite determinar el área bajo la curva entre la media y un valor de z positivo
dado. Ver Apéndice II, página 536 del libro de Estadística de Murray Spiegel.

Ver imagen en la página siguiente.

Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribución normal N (μ, σ) en otra variable z que siga una distribución N (0,1),
X −µ
utilizando la fórmula z=
σ

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag. 41

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag.42
En la que:
 X = valor de la variable aleatoria de interés.
 µ = media de la distribución de la variable aleatoria.
 σ = desviación estándar de la distribución.
 z = número de desviaciones estándar que hay desde X a la media de la dis-
tribución. (El uso de z es solamente un cambio de escala de medición del eje
horizontal).

La siguiente figura ilustra la transformación de X en función de la variable z que

representa la distancia respecto a la media en múltiplos de la desviación están-
dar, en un caso particular cuando la media µ = 50 y la desviación estándar σ
= 25.

Observe que los valores de z a la derecha de la media, son positivos y que los
de la izquierda son negativos. Un valor de X que esté a 1 desviación estándar a
la derecha de la media, se definirá en forma equivalente por un valor de z = 1.
Análogamente un punto situado a 3 desviaciones estándar a la izquierda de la
media, se definirá por un valor de z = - 3.
La curva normal es tal que 50% de área se encuentra a la izquierda de la media
y 50% a la derecha. Es decir que existe una probabilidad de 0.5 de que el valor
de la variable aleatoria X, sea menor que la media y 0,5 de que sea mayor. Por
otro lado, la simetría de la curva normal indica que la tabla del apéndice II puede
emplearse para determinar las áreas comprendidas entre la media y otro punto.
Cuando el segundo se halla a la izquierda o derecha de la media, un valor de z
= 1 en la mencionada tabla significa que el área debajo de la curva entre z = 0 y
z = 1 es de 0,3413 (el área es la misma para z = 0 y z = - 1)

Cálculo de áreas bajo la curva utilizando las tablas de distribución de pro-

babilidad normal estándar
Para calcular áreas bajo la curva normal, utilizando la tabla de distribución
normal, veremos los casos más usuales de regiones bajo la curva cuyo valor se
desea hallar para hacer la correspondiente relación con las probabilidades que
se presentan en la vida práctica. Para el efecto, se debe proceder de la siguiente
manera:
1. Ubicar el valor de z sobre el eje x,
2. En ese punto trazar una perpendicular hasta la curva
3. Sombrear la región solicitada
4. Buscar en la tabla el valor de z correspondiente.

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag. 43

Obs.:
1. Se debe tener en cuenta que el área bajo la curva que viene tabulada, está
comprendida entre un valor de z = 0 y z positivo, cualquier otra ubicación de
la región requiere cálculos adicionales, también se debe recordar que el área
bajo la curva es simétrica y si deseamos hallar un valor de z negativo, debe-
mos hallar su correspondiente valor positivo.
2. Para calcular porcentajes, la probabilidad se multiplica por 100.

Ejemplos:
Hallar el área bajo la curva normal, cuando a = 1,2 y b = 2,32 en cada uno de los
casos siguientes:
a. z < a
b. z > a
c. z < - a
d. Entre z = a y z = b

a. Sabemos que el área bajo la curva es equivalente a la probabilidad corres-

pondiente, por tanto, el área para z < a es equivalente a P(z < a) = P(z < 1,2) ,
en la representación gráfica se observa que la región sombreada comprende
todo el extremo izquierdo a partir de z = 0 (cuya área es 0,5) además la región
comprendida entre z = 0 y z = 1,2 (cuya área es igual a P(z = 1,2), por tanto,
el área pedida es:
P(z < a) = P(z < 1,2) = 0,5 + P(z = 1,2) = 0,5 + 0,3849 = 0,8849 = 88,49%.

b. Siguiendo el mismo razonamiento, anterior, el área para z > a, cuya represen-

tación gráfica se observa, comprende la región hacia el extremo izquierdo de
la curva, y como hemos dicho anteriormente, en la tabla aparecen los valores
comprendidos entre z = 0 y un z positivo. En este caso, debemos hallar el
área de la región positiva (cuyo valor es 0,5) y restarle el área entre z = 0 y
z = 1,2, es decir:
P(z > a) = P(z > 1,2) = 0,5 - P(z = 1,2) = 0,5 - 0,3849 = 0,1151 = 11,51%

c. Análogamente, para z < - a, tendremos la gráfica siguiente:

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag.44

En este caso P(z < - a) = P(z < - 1,2) = 0,5 – P(z = 1,2) = 0,5 – 0,3849 = 0,1151 =
11,51% (observe que el resultado de b y c son iguales, considerando la simetría
de la curva normal)

d. Para hallar el área entre z = a y z = b, la gráfica correspondiente es:

En este caso P(a < z < b) = P(1,2 < z < 2,32), para lo cual hallamos primero la
probabilidad mayor, es decir P(0 < z < 2,32) y le restamos la probabilidad menor,
o sea P(0 < z < 1,2), con lo cual la probabilidad pedida es:
P(a < z < b) = P(1,2 < z < 2,32) = P(z = 2,32) – P(z = 1,2) = 0,4898 – 0,3849 =
0,1049 = 10,49%.

Cálculo de Probabilidades utilizando las tablas de distribución de probabi-

lidad normal estándar
Para realizar el cálculo de probabilidades utilizando la tabla de distribución normal,
veremos un ejemplo de aplicación.

Ejemplo Nº 1:
Un programa de entrenamiento diseñado para mejorar la calidad de las habilida-
des de supervisión de los supervisores de la línea de producción. Debido a que el
programa es auto administrado, los supervisores requieren un número diferente
de horas para terminarlo. Un estudio de los participantes anteriores indica que
el tiempo medio que lleva completar el programa es de 500 horas, y que esta
variable aleatoria, normalmente distribuida, tiene una desviación estándar de 100
horas.
a) ¿Cuál es la probabilidad de que un candidato elegido al azar requiera más de
500 horas para completar el programa de entrenamiento?
Dibujando una gráfica de distribución Normal (campana de Gauss) se puede
observar que la mitad del área bajo la curva está localizada a ambos lados de la
media de 500 horas. Por tanto, se deduce que la probabilidad de que la variable
aleatoria tome un valor mayor a 500, es el área sombreada, es decir, 0.5.

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag. 45

b) ¿Cuál es la probabilidad de que un candidato elegido al azar se tome entre 500
y 650 horas en completar el programa de entrenamiento?
Para responder a la pregunta, tenemos: µ = 500 y σ = 100 X = 650 sustituyendo
X −µ 650 − 500
estos valores para la obtención de z= = =1,5 luego, la pro-
σ 100
babilidad de qué candidato elegido al azar se tome entre 500 y 650 horas en
completar el programa de entrenamiento es igual al área debajo de la curva
normal estándar entre z = 0 y z = 1,5 esta probabilidad se obtiene directamente
de la tabla del apéndice II y es igual a 0,4332, es decir: P(500 < X < 650) = P(0 <
z < 1,5) = P(z = 1,5) = 0,4332, esta probabilidad se ve gráficamente en la siguiente
figura.

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag.46

Ejemplo Nº 2:
Supongamos el caso en que se observa que las calificaciones conseguidas en
una prueba estandarizada de aptitudes está normalmente distribuida con una
media de 70 y una desviación estándar de 7,5 y se desea determinar la proba-
bilidad de que un estudiante obtenga una calificación de 70 a 85 en una prueba.
Para determinar esta probabilidad, hay que transformar la distribución original en
la distribución normal estandarizada, para lo cual es preciso identificar el valor de
z para el valor correspondiente de X, así tenemos los siguientes datos: µ = 70 ,
X −µ
σ = 7,5 , X = 70 y calculamos el valor de z = = = 2 luego, la pro-
σ
babilidad de que un estudiante logre puntuaciones entre 70 y 85 es igual al área
debajo de la curva normal estándar entre z = 0 y z = 2, esta probabilidad se
obtiene directamente de la tabla del apéndice II (que trae valores para el área
entre z= 0 y un valor de z positivo) y es igual a 0,4772, es decir:
P(70 < X < 85) = P(0 < z < 2) = P(z = 2) = 0,4772. Esta probabilidad se ve gráfi-
camente en la siguiente figura:

Ejemplo Nº 3:
Una encuesta reveló que el ingreso anual per-cápita de los habitantes de la
ciudad de Buenos Aires tiene una distribución normal con media de $9.800 y una
desviación estándar de $1.600. Si se selecciona aleatoriamente una persona,
¿qué probabilidad hay de que sus ingresos anuales:
a. sean mayores que $12.200?
b. sean mayores que $5.000?
c. fluctúen entre $8.520 y $12.200?
d. fluctúen entre $11.400 y $13.000?

Desarrollo:
a. Para calcular la probabilidad de que los ingresos anuales sean mayores que
12.200 se debe hallar el valor de z correspondiente al valor de X = 12.200, luego
se ubica este valor en la curva normal y se sombrea hacia el lado derecho del
X −µ
punto hallado, es decir: z = = = 1,5 ,
σ

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag. 47

Una vez hallado el valor de z = 1,5 correspondiente a X = 12.200, se ubica ese
valor sobre el eje x y en ese punto se traza una perpendicular hasta la curva y se
sombrea hacia la derecha (porque se desea la probabilidad mayor que 12.200).
En ese gráfico observamos que el área corresponde al extremo derecho de la
curva, pero en la tabla vienen los valores de áreas comprendidos entre z = 0 y
un z positivo, por tanto: hallamos el área de la región mayor, es decir toda el área
de la región positiva, cuyo valor es 0,5 y le restamos el área que va de z= 0 a z =
1,5, así tenemos:
P(X>12.200) = P(z > 1,5) = P(z > 0) – P( z = 1,5) = 0,5 – 0,4332 = 0,668 ∴ la
probabilidad de que los ingresos anuales sean mayores que $12.000 es de 0,668
o sea 66,8%

b. Para hallar la probabilidad de que los ingresos anuales sean mayores que
$5.000, procedemos análogamente al cálculo anterior, o sea, calculamos el valor
X −µ 5.000 − 9.800
de z correspondiente a X = 5.000; así tenemos: z = = =–3
σ 1.600
(este valor ubicamos en la curva normal y sombreamos hacia el lado derecho que
corresponde a valores mayores que – 3), tal como aparece en la figura:

Como hemos dicho anteriormente, en la tabla del Apéndice II aparecen los valo-
res de áreas comprendidos entre z = 0 y un z positivo, por tanto, en este caso:
hallamos el área de la región mayor, es decir toda el área de la región positiva,
cuyo valor es 0,5 y le sumamos el área que va de z= 0 a z = 3 (considerando la
simetría con z =– 3), así tenemos:
P(X>5.000) = P(z > – 3) =0,5 + P( z = 3) = 0,5 + 0,4987 = 0,9987 ∴ la probabili-
dad de que los ingresos anuales sean mayores que $5.000 es de 0,9987 o sea
99,87%
c. Para hallar la probabilidad de que los ingresos anuales fluctúen entre $8.520
y $12.200, calculamos el valor de z1 y z2 correspondientes a X1 = 8.520 y a X2 =
12.200, así tenemos:

X −µ 8.520 − 9.800 X −µ
z1 = = = – 0,8 y z 2 = = = 1,5 (ubica-
σ 1.600 σ
mos estos valores en la curva normal y sombreamos la región comprendida entre
ambos valores: mayores que – 0,8 y menores que 1,5, tal como aparece en la
figura, ahí notamos que tenemos dos regiones: una a la izquierda de z = 0 (que
es probabilidad de z > - 0,8) y otra la derecha de z = 0 (que es probabilidad de z
< 1,5) – por tanto la probabilidad será la suma de ambas regiones.

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag.48

Luego, la probabilidad solicitada es:
P(5.820<X<12.200) = P(- 0,8< z< 1,5) = P(z = 0,8) + P( z = 1,5) = 0,2881 + 0,4332
= 0,7213 ∴ la probabilidad de que los ingresos anuales fluctúen entre $5.820 y
$12.200 es de 0,7213 o sea es del 72,13%

c. Para hallar la probabilidad de que los ingresos anuales fluctúen entre $11.400
y $13.000, calculamos el valor de z1 y z2 correspondientes a X1 = 11.400 y a X2 =
13.000, así tenemos:
X −µ X −µ
z1 = = = 1 y z2 = = = 2 (ubicamos
σ σ
estos valores en la curva normal y sombreamos la región comprendida entre
ambos valores: mayores que 1 y menores que 2, tal como aparece en la figura:

En este caso, vemos que la región sombreada, se encuentra en una franja del
lado positivo de z, y como hemos dicho anteriormente, en la tabla vienen los valo-
res comprendidos entre z = 0 y un z positivo, lo que vamos a hacer es calcular el
valor del área mayor (para z = 2) y restarle el área menor (z = 1), así tenemos:
P(11.400<X<13.000) = P(1< z< 2) = P(z = 2) - P( z = 1) = 0,4772 – 0,3413 =
0,1359 ∴ la probabilidad de que los ingresos anuales fluctúen entre $11.400 y
$13.000 es de 0,1359 o sea es del 13,59%

En este módulo, usted se familiarizó con los conceptos fundamentales de pro-

babilidad y, principalmente se trabajó con una de las distribuciones de probabi-
lidad de variable continua más importante “la Distribución Normal o Distribución
Gaussiana”. La importancia de esta distribución radica en que permite modelar
numerosos fenómenos naturales, sociales y sicológicos, tales como: la estatura
de los individuos, el coeficiente intelectual, el consumo de ciertos productos por

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag. 49

un mismo grupo de individuos, el salario promedio de una comunidad, etc. Tam-
bién ha visto la utilidad de las tablas de distribución normal para el cálculo de
probabilidades.
Les invito a realizar la Actividad 1 y Actividad 2 correspondiente a este módulo
para afianzar el conocimiento sobre probabilidades.

m3 material

Material Básico:
• SIEGEL, M. y STEPHENS, L.: Estadística. México, Editorial MacGraw Hill,
(2002).

Material Complementario:
• LEVÍN, R.: Estadística para Administradores. México, Editorial Prentice Hall
Hispanoamericana, (1996).
• BUDNIK, F. S.: Matemáticas aplicadas para Administración, Economía y
Ciencias Sociales. México, Editorial MacGraw Hill, (1994).

m3 glosario

A
Área bajo la curva Normal: indica la probabilidad de ocurrencia de un evento
con variable continua.

C
Curva Normal: es la representación gráfica de la función de Densidad Normal,
está en función de dos parámetros; la media y la desviación estándar.

D
Distribución de Probabilidad: es una función que asigna a cada suceso defi-
nido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra.
Distribución Normal de Probabilidad: es una de las distribuciones de probabi-
lidad de variable continua que con más frecuencia aparece en fenómenos reales,
2
1  X −µ 
1 − 
2 σ 

su función de densidad tiene por ecuación f ( x) = e
σ 2π
E
Experimento: es cualquier proceso que produce un resultado o una observación
Espacio Muestral: es el conjunto formado por todos los posibles resultados de
un experimento aleatorio

F
Función de Densidad: son modelos matemáticos que dan lugar a curvas de
ecuación y = p (x ) ,

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag.50

P
Probabilidad: es la posibilidad de que pase u ocurra algo, mide la confianza que
el individuo tiene sobre la certeza de una proposición determinada.

S
Suceso o Evento: es cualquier subconjunto del espacio muestral.

UCP | INGENIERÍA COMERCIAL | estadística administrativa - pag. 51